共查询到20条相似文献，搜索用时 15 毫秒
1.
传统污秽等级评估方法存在高成本、低效率、区域不均衡及包含主观性等问题。卫星遥感以其大覆盖和高重访的优点特别适合需要时相特征的大范围地物监测,同时20年来遥感定量化和自动化的发展产生了大量性能优异的机器学习算法,能够很好地避免人为主观因素的干扰。本文提出了一种基于卫星遥感数据及粗糙集、支持向量机等数据处理算法的区域电力污秽评估方法。数据挖掘试验表明,最少只需获取AOD、污染源目录、降雨和地形高程4种数据即可实施污区等级评估工作。在此基础上的分类试验表明,基于支持向量机的分类方法总体分类精度高达70%,适用于全局污秽等级的评定和污区等级分布图的制订;而最大似然的分类方法对高等级污秽的评估精度高达80%,适用于对污秽闪络事故的预警。 相似文献
2.
考古遗址预测模型（SPM）在考古学研究和文化资源管理中有着广泛的应用,但传统的构建方法过度依赖数字高程模型（DEM）,对多光谱遥感数据的应用较少。本项研究以陇东黄土高原地区的区域考古调查为例,利用第三次全国文物普查数据、商业DEM数据和Landsat 8 OLI多光谱遥感数据,构建3种考古遗址预测模型（DEM模型、多光谱遥感模型和混合模型）。研究表明,黄土高原地区先秦遗址分布对坡向、纵向曲率、地形开阔度等地貌因素具有明显的相关性,而引入主成因素分析法（PCA）提取的多光谱因子不仅可以有效提高单纯基于DEM派生数据构建的遗址预测模型的精度和预测效率,而且还能够很好地改善遗址预测模型的空间结构,增强遗址预测模型的应用效果。基于上述混合模型的分析,陇东黄土高原地区先秦时期的土地资源开发,从仰韶文化时期的不足10%,迅速提升至龙山文化时期的43.1%,先秦时期整体达到了57.3%的规模,土地资源的加速开发奠定了该地区早期文明发展的基础。 相似文献
3.
关于遥感数据精度影响因子的研究 总被引：2，自引：0，他引：2
遥感数据在使用前,必须进行客观可靠的精度验证和分析。针对遥感数据精度的研究已成为遥感科学和技术发展的客观要求,本文将从分辨率、遥感数据处理过程和精度评价方法三个方面对遥感精度的影响进行分析和总结,运用大量数据对影响精度的因子进行概括,为以后研究精度提高的方法提供参考,使遥感更好地服务于各个行业。 相似文献
4.
城中村的精细空间分布是城市规划与城市更新的重要参考。由于城中村具有语义高级和遥感影像特征辨识度不足的特点,使用传统的场景识别方法难以从高密度城市中获得精度良好的城中村精细空间分布。针对城中村的精细识别问题,提出了一种新颖的融合遥感影像和社会感知的层次化识别方法。该方法在特征上融合了遥感图像和社会感知数据的优点,其层次化结构同时考虑了大范围的上下文信息和小范围的局部信息,为在精细尺度全面理解城中村提供了一个新思路。基于该方法对深圳市的城中村进行了空间识别,获得了2.5 m空间分辨率的精细城中村分布。精度验证表明,该结果的总体精度和Kappa系数分别达到98.68%和0.807,说明该方法具有优秀的表现。此外,还通过对照实验分别证明了层次化识别框架、融合遥感影像和社会感知数据的增益效果。结果表明,层次化框架和多源空间数据都能有效提高城中村识别方法的精度。 相似文献
5.
《现代测绘》2020,(1)
针对国产高分辨率遥感数据在城市绿地信息提取中分割尺度选择问题,选取国产高分一号(GF-1)和中巴地球资源卫星04星(CBERS-04)遥感数据,在数据融合的基础上,采用控制变量法选取影像分割与合并尺度进行绿地信息提取,通过信息提取精度评价确定最优分割尺度。实验结果表明,对于GF-1和CBERS-04国产遥感数据,面向对象的方法均优于基于像元的方法,其中5m分辨率CBERS-04数据,面向对象方法绿地提取精度为90.53%,基于像元方法绿地提取精度为86.54%,推荐分割尺度与合并尺度为(25,70);2m分辨率GF-1数据,面向对象方法绿地提取精度为97.09%,基于像元方法绿地提取精度为83.49%,推荐分割尺度与合并尺度为(45,80)。研究结果能够为国产高分遥感数据城区绿地信息提取和地物分类过程中尺度选择提供借鉴和支持。 相似文献
6.
7.
随着智能电网的不断普及,对城市用电量数据进行快速准确预测对于电网规划和经济部门的管理决策具有重要的指导意义.本文研究了一种基于可见光红外成像辐射仪(Visible Infrared Imaging Radiometer System,VIIRS)城市夜光遥感数据和市县公开统计年鉴的城市用电量预测模型.该模型首先结合改进通用矩阵应用城市GDP和人口数据对城市进行分类;接着按城市类型构建了一种顾及滞后效应的城市用电量优化预测模型,该模型考虑了城市夜光遥感数据反映出的用电量消耗存在的滞后效应.随后采用长三角地区城市用电量数据进行模型训练及实验,实验结果表明:引入夜光遥感数据作为城市用电量模拟量,能够快速准确反映出城市用电量空间分布;利用改进通用矩阵方法对不同发展状态的城市分类建模,并引入滞后项进行模型优化,使得用电量预测模型有较好的预测精度和稳定性,总体上实现了基于夜光遥感数据和统计年鉴的公开数据源支持下的城市用电量预测. 相似文献
8.
《国土资源遥感》2021,(2)
从卫星遥感影像中自动提取建筑物在国民经济社会发展中具有广泛的应用价值,由于卫星遥感影像存在地物遮挡、光照、背景环境等因素的影响,传统方法难以实现高精度建筑物提取。采用一种基于注意力增强的特征金字塔神经网络方法(FPN-SENet),利用多源高分辨率卫星影像和矢量成果数据快速构建大规模的像素级建筑物数据集(SCRS数据集),实现多源卫星影像的建筑物自动提取,并与常用的全卷积神经网络进行对比。研究结果表明:SCRS数据集的提取精度接近国际领先的卫星影像开源数据集,且假彩色数据精度高于真彩色数据; FPN-SENet的建筑物提取精度优于其他常用的全卷积神经网络;采用交叉熵和dice系数之和为损失函数能够提升建筑物提取精度,最好的分类模型在测试数据上的分类总体精度为95.2%,Kappa系数为79.0%,F1分值和IoU分别达到了81.7%和69.1%。该研究可为高分辨率卫星影像建筑物自动提取提供参考。 相似文献
9.
10.
苏州市湿地众多、类型多样化、周围环境复杂,使用传统的遥感分类方法很难得到精度较高的湿地分类结果。研究了面向对象特征的湿地决策树分类方法,以苏州市澄湖地区为研究区域,使用欧空局的Sentinel-2A影像,先将研究区域分为湿地水体、植被和非植被3大类型,再分别构建鱼塘、河流、湖泊、农田和裸地等面向对象特征,据此实现湿地遥感分类。研究结果表明,该方法能够有效利用遥感影像提供的光谱特征、几何特征和纹理特征等多种丰富信息,产生较高的分类精度,总体分类精度可达80.67%,Kappa系数为77.80%。与传统的基于中低分辨率遥感影像的分类方法相比,该方法可以有效提取湿地不同地物对象的几何结构和纹理等特征,在提高湿地分类精度的同时实现对大面积湿地的快速动态监测。 相似文献
11.
面向对象的覆膜农田信息遥感表征方法 总被引：1，自引：0，他引：1
为解决复杂土地利用背景下覆膜农田信息遥感提取方法缺乏的问题,该文以河套灌区为研究区,以Sentinel-2A卫星数据为基础,结合面向对象影像分析和随机森林算法,开展了复杂土地利用背景下灌水与无灌水覆膜农田信息遥感同步提取研究。首先进行遥感影像尺度分割研究,优选出最佳分割尺度。在此基础上,提取光谱特征、纹理特征、几何特征,获取优化特征子集,并采用随机森林机器学习算法表征覆膜农田信息。研究表明,结合利用Sentinel-2A数据与OBIA方法能够有效表征覆膜农田信息,总体精度达93.03%,Kappa系数为0.91;其中,灌水覆膜农田用户精度为91.35%,制图精度为88.57%;无灌水覆膜农田用户精度为97.10%,制图精度为98.63%。研究证明了Sentinel-2A卫星数据和OBIA方法和机器学习算法在覆膜农田信息遥感表征中的应用潜力,能够为地物信息遥感表征研究中提供参考依据。 相似文献
12.
Landsat系列卫星光学遥感器辐射定标方法综述 总被引：1，自引：0，他引：1
Landsat系列卫星自1972发射以来,已经连续提供了40多年的中等分辨率多光谱遥感数据,广泛应用于农业、水资源管理、灾害响应等领域。目前,很多研究人员开始考虑利用这些数据开展中分辨率尺度的长时间序列地表定量信息监测,更加精细地反映局地甚至全球气候变化。开展这些研究的前提在于对数据进行辐射定标,并通过不同卫星的交叉辐射传递保证数据辐射精度的一致性。从Landsat 1到Landsat 8,随着遥感器性能和数据获取能力的提升,辐射定标方法不断更新,涉及发射前实验室定标、内定标灯方法、全孔径太阳定标器方法、交叉定标方法、场地定标方法等。本文在对Landsat系列卫星的遥感器性能进行分类、归纳、对比的基础上,系统梳理了Landsat系列卫星遥感器辐射定标方法发展过程以及不同定标方法的优缺点,特别是对定标精度的影响。Landsat系列卫星辐射定标的发展过程为遥感数据高精度定量化应用提供了非常重要的基础,未来辐射定标方法不但要随着新型遥感器研制而更新,更要注重多源遥感数据的交叉验证以及全过程辐射定标方法的完善与应用,保障遥感数据辐射定标精度的一致性。 相似文献
13.
尺度变化对冬小麦种植面积遥感测量区域精度影响的研究 总被引：6，自引：1，他引：5
不同尺度遥感数据源的选取将直接影响到作物种植面积测量的精度,研究尺度因子在农作物面积遥感测量中的作用,尺度与面积测量精度的定性和定量关系是非常必要的.为此,本文利用SPOT5卫星数据,以尺度变化对农作物种植面积遥感测量精度影响的分析为主线,运用空间统计分析方法和多种精度评价指标,从不同空间分辨率、不同空间范围、不同农作物百分比等角度系统分析了农作物种植面积遥感测量中的尺度效应问题.为基于多尺度遥感数据复合的农作物种植面积测量业务化运行中的数据选择和精度保证问题提供理论与实验基础. 相似文献
14.
林地信息提取与精度评价空间抽样方法研究 总被引：2，自引：0，他引：2
正林地是自然资源的重要组成部分,在减缓全球气候变化、维护生态平衡、改善生态环境等方面发挥着重要作用。遥感数据能够在不同尺度范围内开展林地资源的信息探测、目标识别和调查评估等。针对当前林地资源遥感制图的新需求,本文以北京市为例,综合利用MODIS、Landsat TM及各类遥感数据产品,开展了林地信息提取与精度评价空间抽样方法研究,采用林地遥感信息提取方法和遥感分类精度评价的采样点空间布局优化方法, 相似文献
15.
针对深基坑变形难以建立准确的计算模型进行预报问题,本文运用非等时距灰色-马尔科夫链对深基坑变形量进行预测。首先基于原始实测数据,建立非等时距灰色预测模型;然后采用马尔科夫链对预测值残差序列进行修正,进一步提高预测模型的预测精度;最后对潍日高速跨铁路转体桥深基坑4个测点的变形量进行预测。研究表明,灰色-马尔科夫链模型的预测精度明显高于灰色模型,预测值与实测值吻合较好,预测值后验差为0.07、0.37、0.16和0.33,精度等级均为1级,该模型为深基坑变形预测提供一种新方法。 相似文献
16.
利用高光谱遥感影像的空间纹理特征，可以提高高光谱遥感影像的分类精度。提出了一种多层级二值模式的高光谱影像空-谱联合分类方法。该方法将高光谱影像转化为局部二值模式特征图像获取像元微观特征，基于特征图像生成多层级特征向量获取像元宏观特征。为验证该方法的有效性，选取PaviaU、Salinas和Chikusei高光谱影像数据，利用核极限学习机分类器，分别针对光谱、局部二值模式、多层级二值模式等特征开展实验。结果表明，多层级二值模式空-谱分类总体精度分别达到97.31%、98.96%和97.85%，明显优于传统光谱、3Gabor空-谱等分类方法。该方法可为高光谱影像分类提供更加有效的类别判定特征，有助于提高影像分类精度并获取更加平滑的分类结果图。 相似文献
17.
高分辨率遥感影像的数据源日益增长使得其成为主要的遥感数据源之一。本文研究了一种基于AlexNet网络的高分辨率遥感影像建筑物提取方法,该方法是在卷积神经网络的基础上,建立一种端到端自动提取影像中建筑等物体位置的方法:首先使用图像增广技术增加数据集的丰富性和多样性;再通过超参数搜索选择网络使用的较优参数,最终实现了遥感影像中建筑物的自动提取。实验结果表明,该方法可达到75%的提取精度;与传统方法进行定性和定量对比,该方法具有耗时少、精度高的特性,对后续城市规划、三维建模等应用有着重要意义。 相似文献
18.
基于Radarsat和TM图像融合与分类的土壤盐渍化信息遥感监测研究 总被引：1，自引：0，他引：1
单一雷达影像数据通常不能提供足够的用以监测干旱地区盐渍化的信息。雷达图像与TM图像的融合可以提高遥感数据的利用率,增强数据的可靠性和信息的互补性,有助于提高分类精度。本文采用了GramSchmidt变换融合法将Radarsat和TM图像进行融合,并将该融合方法与一些常用融合方法(HIS融合、PCA融合、Brovey融合)进行了比较,结果表明该融合方法优于其他方法。最后采用支持向量机分类法(SVM)对Radarsat、TM融合后的图像进行了分类。结果表明:同单独Radarsat影像和TM影像分类结果相比,该融合分类法将分类精度分别提高了近30%和2%。因此该融合分类法更适合于遥感图像盐渍化信息监测。 相似文献
19.
《国土资源遥感》2018,(4)
复杂场景分类对于挖掘遥感图像中的价值信息具有重要意义。针对于遥感图像的复杂场景分类,提出了一种基于卷积神经网络(convolutional neural network,CNN)模型的分类方法,在该方法中构建了8层CNN网络结构,并对输入图像进行预处理操作以进一步增强模型的适应性,且在模型分类器的选择问题上提供了Softmax和支持向量机2种分类器,使其能够自动化提取特征,避免了前期繁琐的图像处理和人工提取特征等过程。在UC Merced Land Use和Google of SIRI-WHU这2组数据集中进行实验,结果表明,相比于CNN with Overfeat feature和SRSCNN方法,该模型提高了2%以上的分类精度,且2种分类器的总体分类精度均能达到95%以上。 相似文献
20.
基于GIS和神经网络的森林植被分类 总被引：2，自引：0，他引：2
本文综述了国际遥感分类研究,使用Landsat7 ETM＋遥感数据和地理辅助数据,应用BP神经网络方法,将莽汉山林场作为研究区进行了遥感影像的分类研究。比较了BP神经网络分类与最大似然、简单和复杂非监督分类法之间的类型与数量精度。BP神经网络分类的总类型精度是70.5%,总数量精度为84.65%,KAPPA系数是0.6455。结果说明BP神经网络的分类质量优于其他方法,其总的类型精度与其他三种分类方法相比分别增加了10.5%、32%和33%,总的质量精度增加了5.3%。因此,辅以地理参考数据的BP神经网络分类可以作为一种有效的分类方法。 相似文献